論文の概要: Minimizing the Number of Roles in Bottom-Up Role-Mining using Maximal Biclique Enumeration

• arxiv url: http://arxiv.org/abs/2407.15278v1
• Date: Sun, 21 Jul 2024 22:01:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 16:40:17.702202
• Title: Minimizing the Number of Roles in Bottom-Up Role-Mining using Maximal Biclique Enumeration
• Title（参考訳）: 最大斜め列挙法によるボトムアップロールマイニングにおける役割数最小化
• Authors: Mahesh Tripunitara,
• Abstract要約: ボトムアップ・ロール・マイニング(英: Bottom-up role-mining)とは、ユーザのセットとユーザが所有するパーミッションを入力として与えられるロールのセットを決定することである。 我々は,最大斜めの列挙という新しい手法を提案する。 最初のアプローチは、正確な結果を得るために、ベンチマーク入力の半分以上に対処します。 もう一つのアプローチはハード・インスタンスに対して必要であり、その場合、我々は大きな最大二角形に対応する役割を識別し、採用する。
• 参考スコア（独自算出の注目度）: 1.0878040851638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bottom-up role-mining is the determination of a set of roles given as input a set of users and the permissions those users possess. It is well-established in the research literature, and in practice, as an important problem in information security. A natural objective that has been explored in prior work is for the set of roles to be of minimum size. We address this problem for practical inputs while reconciling foundations, specifically, that the problem is \cnph. We first observe that an approach from prior work that exploits a sufficient condition for an efficient algorithm, while a useful first step, does not scale to more recently proposed benchmark inputs. We propose a new technique: the enumeration of maximal bicliques. We point out that the number of maximal bicliques provides a natural measure of the hardness of an input. We leverage the enumeration of maximal bicliques in two different ways. Our first approach addresses more than half the benchmark inputs to yield exact results. The other approach is needed for hard instances; in it, we identify and adopt as roles those that correspond to large maximal bicliques. We have implemented all our algorithms and carried out an extensive empirical assessment, which suggests that our approaches are promising. Our code is available publicly as open-source.
• Abstract（参考訳）: ボトムアップ・ロール・マイニング(英: Bottom-up role-mining)とは、ユーザのセットとユーザが所有するパーミッションを入力として与えられるロールのセットを決定することである。 研究文献や実際は情報セキュリティの重要な問題として確立されている。 以前の研究で探求された自然な目的は、役割の集合が最小サイズになることである。 基礎の整合を図りながら、実際の入力に対してこの問題に対処し、特に、問題は \cnph である。 まず、効率的なアルゴリズムに十分な条件を利用する事前作業からのアプローチを、有用な第一歩として、より最近提案されたベンチマーク入力にスケールできないことを観察する。 我々は,最大斜めの列挙という新しい手法を提案する。 我々は、最大二進法の数が入力の硬さの自然な測度を与えることを指摘している。 我々は2つの異なる方法で極大双曲の列挙を利用する。 最初のアプローチは、正確な結果を得るために、ベンチマーク入力の半分以上に対処します。 もう一つのアプローチはハード・インスタンスに対して必要であり、その場合、我々は大きな最大二角形に対応する役割を識別し、採用する。 我々は全てのアルゴリズムを実装し、広範な経験的評価を行い、我々のアプローチが有望であることを示唆している。 私たちのコードはオープンソースとして公開されています。

関連論文リスト

• On the Sample Complexity of a Policy Gradient Algorithm with Occupancy Approximation for General Utility Reinforcement Learning [23.623705771223303]
  最大誤差推定(MLE)を用いた関数近似クラス内の占有度を近似する手法を提案する。 PG-OMAのサンプル複雑性解析により,我々の占有度測定誤差は,状態作用空間のサイズではなく,関数近似クラスの寸法に比例してしかスケールしないことを示した。
  論文  参考訳（メタデータ） (2024-10-05T10:24:07Z)
• On Speeding Up Language Model Evaluation [48.51924035873411]
  LLM(Large Language Models)を用いたプロンプトベースの手法の開発には、多くの意思決定が必要である。 この課題に対処するための新しい手法を提案する。 典型的に必要とされるリソースの5～15%しか必要とせず,トップパフォーマンスの手法を識別できることが示される。
  論文  参考訳（メタデータ） (2024-07-08T17:48:42Z)
• Oracle-Efficient Reinforcement Learning for Max Value Ensembles [7.404901768256101]
  大または無限の状態空間における強化学習(RL)は、理論上、実験的に困難である。 この作業では、$textitmax-following Policy$と競合することを目指しています。 我々の主な成果は、構成ポリシーのみにアクセスすると、最大フォローポリシーと競合する効率的なアルゴリズムである。
  論文  参考訳（メタデータ） (2024-05-27T01:08:23Z)
• Fixed-Budget Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [65.268245109828]
  このアルゴリズムは,アクションクラスのサイズが指数関数的に大きい場合でも,最良のアクションを識別できる最初のアルゴリズムである。 CSAアルゴリズムの誤差確率の上限は指数の対数係数までの下界と一致することを示す。 提案手法を従来手法と実験的に比較し,アルゴリズムの性能が向上したことを示す。
  論文  参考訳（メタデータ） (2023-10-24T09:47:32Z)
• Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
  順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。 本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T16:04:06Z)
• Unsupervised Learning of Initialization in Deep Neural Networks via Maximum Mean Discrepancy [74.34895342081407]
  本稿では,入力データに対する優れた初期化を求めるための教師なしアルゴリズムを提案する。 まず、パラメータ空間における各パラメータ構成が、d-way分類の特定の下流タスクに対応することに気付く。 次に、学習の成功は、初期パラメータの近傍で下流タスクがいかに多様であるかに直接関連していると推測する。
  論文  参考訳（メタデータ） (2023-02-08T23:23:28Z)
• Efficient First-Order Contextual Bandits: Prediction, Allocation, and Triangular Discrimination [82.52105963476703]
  統計的学習、オンライン学習、その他における繰り返しのテーマは、低騒音の問題に対してより速い収束率が可能であることである。 1次保証は統計的およびオンライン学習において比較的よく理解されている。 三角識別と呼ばれる対数損失と情報理論量が一階保証を得る上で基本的な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2021-07-05T19:20:34Z)
• Direct-Search for a Class of Stochastic Min-Max Problems [0.0]
  オラクルを通してのみ対象物にアクセスする導関数探索法について検討する。 この手法の収束性は軽微な仮定で証明する。 私達の分析は設定のminmax目的のための直接調査方法の収束に取り組む最初のものです。
  論文  参考訳（メタデータ） (2021-02-22T22:23:58Z)
• Non-convex Min-Max Optimization: Applications, Challenges, and Recent Theoretical Advances [58.54078318403909]
  min-max問題(英: min-max problem)またはサドル点問題(英: saddle point problem)は、サムゲームにおいても研究されるクラス逆問題である。
  論文  参考訳（メタデータ） (2020-06-15T05:33:42Z)
• Minimum Potential Energy of Point Cloud for Robust Global Registration [45.82423981744138]
  本稿では,大域点集合登録のための最小重力ポテンシャルエネルギー(MPE)に基づく新しいアルゴリズムを提案する。 本稿では,提案アルゴリズムの性能を実データだけでなく合成データにも示す。
  論文  参考訳（メタデータ） (2020-06-11T14:13:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。